GPT-4-turbo

Der er endnu ikke bred nok dokumentation til en placering.

Model og dokumentation ↗

Hvad bygger scoren på?

Råtal, relativ placering og dokumentation.

FrontierMath Tier 1-3

Indgår i scoren · 74 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI FrontierMath Tiers 1-3 v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

0,7målt · skala 0–100Percentil 2,7

GPQA Diamond

Indgår i scoren · 156 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-09-10

Se det oprindelige resultat ↗

49,7målt · skala 0–100Percentil 5,8

Humanity's Last Exam

Indgår i scoren · 146 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

3,1målt · skala 0–100Percentil 2,1

MMLU-Pro

Indgår i scoren · 140 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · TIGER-Lab MMLU-Pro leaderboard (missing rows only) · kildens dato 2026-09-22

Se det oprindelige resultat ↗

63,7målt · skala 0–100Percentil 56,8

SciCode

Indgår i scoren · 144 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-09-10

Se det oprindelige resultat ↗

31,9målt · skala 0–100Percentil 10,5

Model og testopsætning

Reasoning-niveauer tæller ikke som forskellige modeller.

Kilderne oplyser ikke separate reasoning-indstillinger. Se testnoterne ved hvert resultat.

Vores nyheder

Fra AiNews.dk’s arkiv om GPT-4-turbo.

Der er endnu ingen artikler om denne model i vores arkiv.

Hvad betyder scoren?

Scoren er gennemsnittet af modellens percentilplaceringer i dokumenterede benchmarks: 100 er øverst, 50 er midten. Resultater sammenlignes inden for samme benchmark, før gennemsnittet beregnes. Mindst seks benchmarks med mindst fem sammenligningsmodeller kræves for rangering. Selvindberettede modelkort indgår som dokumentation, men ikke i rangeringen. Manglende tal estimeres ikke. Forskellig dækning og testopsætning giver fortsat usikkerhed.

Scoren er en relativ placering, ikke procent rigtige svar. 90 betyder en høj gennemsnitlig placering blandt de målte modeller. Benchmarkdækning, reasoning-niveau og brug af værktøjer kan variere. De faktiske resultater og opsætninger står på profilen.

Vi fylder aldrig manglende målinger ud for at nå 100 modeller.